ANALISIS SENTIMEN PADA PRODUK CUSHION DI WEBSITE FEMALE DAILY MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
DOI:
https://doi.org/10.55123/storage.v2i3.2345Keywords:
Text Mining, Female Daily, Pyton, Support Vector Machine (SVM)Abstract
Saat ini produk kosmetik sudah menjadi kebutuhan utama kaum wanita yang merupakan target utama dari industri kosmetik. Salah satu merek produk kosmetik yang popular saat ini ialah produk kosmetik merek pixy, saat ini cushion pixy mempunyai tiga jenis shades yaitu 301 Medium Beige, 201 Natural Beige, dan 101 Light Beige. Namun tidak semua jenis shades memiliki kualitas yang baik sesuai kebutuhan konsumen dan hal ini yang harus diperhatikan oleh para konsumen sebelum konsumen memutuskan untuk membeli produk cushion merek pixy. Dalam penelitian ini penulis menggunakan metode Text mining Dengan tahap-tahap yang dilakukan adalah Scrapping Data, Labelling, Cleaning, Preprocessing text (Tranformation, Tokenization, Filtering). Algoritma yang digunakan yaitu Support Vector Machine (SVM) karena teknik yang relatif baru untuk melakukan prediksi, baik dalam kasus klasifikasi maupun regresi. Pembobotan kata menggunakan pehitungan TF-IDF dan pengujian data menggunakan Confusion Matrix pada Python. Berdasarkan proses pengumpulan data diperoleh sebanyak 2044 data, setelah melakukan proses Text Mining dihasilkan sebanyak 1999 data.
Downloads
References
Classifier, S V M, Nadifa Fadila Putri, Said Al Faraby, and Mahendra Dwifebri. 2021. “1 , 2 , 3.” 8(5): 10068–79.
Indrayuni, Elly. 2019. “Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes.” Jurnal Khatulistiwa Informatika 7(1): 29–36.
Monika, Indri Parapat, and Muhammad Tanzil Furqon. 2018. “Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak.” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2(10): 3165–66. http://j-ptiik.ub.ac.id.
Nurjannah, Musfiroh, and Inda Fitri Astuti. 2013. “PENERAPAN ALGORITMA TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF) UNTUK TEXT MINING Mahasiswa S1 Program Studi Ilmu Komputer FMIPA Universitas Mulawarman Dosen Program Studi Ilmu Komputer FMIPA Universitas Mulawarman.” Jurnal Informatika Mulawarman 8(3): 110–13.
Saputro, Irkham Widhi, and Bety Wulan Sari. 2020. “Uji Performa Algoritma Naïve Bayes Untuk Prediksi Masa Studi Mahasiswa.” Creative Information Technology Journal 6(1): 1.
Setyohadi, Djoko Budiyanto, Felix Ade Kristiawan, and Ernawati Ernawati. 2017. “Perbaikan Performansi Klasifikasi Dengan Preprocessing Iterative Partitioning Filter Algorithm.” Telematika 14(01): 12–20.
Sunoto, Yonathan, and Budi Wasito. 2014. “Analisis Testimonial Wisatawan Menggunakan Text Mining Dengan Metode Naive Bayes Dan Decision Tree , Studi Kasus Pada Hotel – Hotel Di Jakarta.” Jurnal Informatika dan Bisnis ANALISIS 3(2): 39–49.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Soultan Ariqoh, M.Agus Sunandar, Yusuf Muhyidin

This work is licensed under a Creative Commons Attribution 4.0 International License.